R学习之常见不易记的命令

2020-02-21

命令——subset

1
2
3

> attach(Puromycin)
# 提取满足条件的子集
> subset(Puromycin, state == "treated" & rate > 160)

r-subset

DateFrame增加新变量

方法一

1 2	# 基本方法 > Puromycin$iconc = 1/Puromycin$conc

方法二

1 2	# 使用with()函数 > Puromycin$iconc = with(Puromycin, 1/conc)

方法三

1 2	# 使用transform函数，可以一次性定义多个变量 > Puromycin = transform(Puromycin, iconc = 1/conc, sqrtconc = sqrt(conc)) head(Puromycin)

r-修改数据框变量

命令——ts

# 例一
> ts(1:10, start = 1959)
 result:
	Time Series:
	Start = 1959 
	End = 1968 
	Frequency = 1 
 	[1]  1  2  3  4  5  6  7  8  9 10

# 例二
> ts(1:47, frequency=12, start=c(1959, 2))
# result：
     Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1959       1   2   3   4   5   6   7   8   9  10  11
1960  12  13  14  15  16  17  18  19  20  21  22  23
1961  24  25  26  27  28  29  30  31  32  33  34  35
1962  36  37  38  39  40  41  42  43  44  45  46  47

# 例三
> ts(1:10, frequency=4, start=c(1959, 2))
# result:
     Qtr1 Qtr2 Qtr3 Qtr4
1959         1    2    3
1960    4    5    6    7
1961    8    9   10

1	> ts(matrix(rpois(36, 5), 12, 3), start=c(1961,1), frequency=12)

r-ts

数据的存储与读取

命令getwd()获得工作目录，setwd()设置工作目录。

R命令中目录的分隔符使用正斜杠“/”或两个反斜杠“\”。

数据储存

> d = date.frame(obs = c(1, 2, 3), treat = c("A", "B", "A" ), 
              	weight = c(2.3, NA, 9))

# 保存为简单的文本文件
> write.table(d, file = "./foo.txt",
  			 row.names = F, quote = F) 

# row.names = F指定行名不写入文件，quote = F表示变量名不放入双引号中。
# 保存为逗号分割的文本文件
> write.csv(d, file = "./foo.csv",
		   row.names = F, quote = F)

# 保存为R格式文件
save(d, file = "./foo.Rdata")

# 在经过一段时间的分析后，常需要将工作空间的映像保存，命令为：
save.image()
# 它等价于 save(list = ls(all=TRUE), file = ".RData")

数据读取

可以使用read.table()、scan()、readfwf()函数读入存储在文本文件中的数据。

1
2
3

# read.table 读入数据并创建一个数据框
> a = read.table("./foo.txt", header=TRUE) # header = TRUE 表明读入的第一行是变量名
> a

r-数据读取1

# read.table有四个变形
# read.csv(), read.csv2(), read.delim(), read.delim2()
# 前两个读入逗号分割的数据，后两个读入针对其他分隔符的数据
# 比如我们读入之前保存的.csv逗号分隔文件
> b = read.csv("./foo.csv") # read.csv2()也是读入逗号分隔，但那个是欧洲人习惯，有所区别，可以百度一下自己了解一下
> b

r-数据读取1

# 使用函数scan()，它比read.table()更加灵活，唯一的区别是scan()可以指定变量的类型
> mydata = scan("foo.csv", what = list(obs=0, treat="", weight=0), sep = ",", skip = 1)
> mydata
# 另一个重要区别是scan()函数可以创建不同的对象，在缺省情况下（what被省略），将创建一个数值型向量。

# 使用函数read.fwf()，它可以用来读取文件中一些固定宽度格式的数据。
> file.exists("data.txt")
> mydata = read.fwf("data.txt", widths=c(1,4,3), col.names=c("X", "Y", "Z"))
> mydata

1 2	# 读取剪切板上的数据 > mydata = read.delim("clipboard")

1
2
3

# 读取excel文件，需要RODBC包支持，易出错，不建议使用。
> library(RODBC)
> z = odbcConnectExcel("foo.xls")

R中数据的读取

R的标准数据datasets

R提供了一个基本的数据集包，包含了数百个数据集（一般为数据框或列表）。它们随着R的启动全部一次性自动载入，通过data()命令可以列出这些数据集。使用help函数可以查看相关信息。

专有程序包中的数据集

data(package="pkname")可以列出pkname包中所有的数据集。

可以看出data()有两个功能：浏览数据列表和加载数据集。可以浏览的不一定已经加载。

R格式的数据

R的数据或更为一般的对象可以通过save()保存起来，文件名以Rdata为后缀。

> attach(mtcars)
> mtcars2 = data.frame(mtcars[, c(1,4)])
> head(mtcar2)
> save(mtcar2, "./mydata.Rdata")

R基本绘图

R提供了丰富的绘图功能，我们可以通过R提供的示例进行了解。

1 2	# 二维图形示例 > demo(graphics)

一个实例

以内嵌数据Puromycin为例来说明R中基本的绘图方法

> dim(Puromycin)
> head(Puromycin)
# 简单散点图
# 对于状态treated，画出rate关于cone的散点图
> plot(rate ~ conc, data = PuroA, pch = 2, col = 4,
       cex = 2.5, xlim = c(0, 1.2), ylim = c(40, 210),
       ylab = "Concentration",
       xlab = "Rate", cex.lab = 2)
> title(main = "Puromycin", cex.main = 3)
> legend(x = 0.6, y = 100,
        legend = c("treated", "untreated"),
        col = c(1,2), pch = c(1,2), lty = c(1,3))

Rplot1

循环与向量化

循环——for,while,repeat

# 比较下面三种方法
# 1
> for (i in 1:5) print(1:i)

# 2
> i = 1 
> while (i <= 5){
      print(1:i)
      i = i + 1
  }

# 3
> i = 1
> repeat {
      print (1:i)
      i = i + 1
      if (i > 5) break
  }

# 三种方法输出同样结果
[1] 1
[1] 1 2
[1] 1 2 3
[1] 1 2 3 4
[1] 1 2 3 4 5

向量化

在R中，很多情况循环和控制可以通过向量化避免（简化）：向量化使得循环隐含在表达式中。

在实际的编程时，如果能将一组命令向量化，则尽量使用以避免循环，原因在于

代码更简洁
R是解释语言，速度慢
在R中使用向量化会立即调用C进行运算，大大加快速度

# 一个例子， 如果x元素为偶数，y对应元素为0，否则为1
> x = 1:10000000
> y = numeric(length(x))
> for (i in 1:length(x)){
      if (x[i] %% 2 ==0 )
          y[i] = 0
      else
          y[i] = 1
> }
> table(y)

# 我们来计算上述命令使用的时间
> t1 = Sys.time()
> for (i in 1:length(x)){
      if (x[i] %% 2 ==0 )
          y[i] = 0
      else
          y[i] = 1
  }
> t2 = Sys.time()
> t2 - t1 # 用时

Time difference of 4.350443 secs

# 使用向量化
> t1 = Sys.time()
> y[x%%2==0] = 0
> y[x%%2!=0] = 1
> t2 = Sys.time()
> t2 - t1 # 用时

Time difference of 0.6400709 secs